論文の概要: Optimizing mixing in the Rudner-Levitov lattice

• arxiv url: http://arxiv.org/abs/2309.01531v1
• Date: Mon, 4 Sep 2023 11:22:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-06 18:53:25.658581
• Title: Optimizing mixing in the Rudner-Levitov lattice
• Title（参考訳）: ラドナー・レヴィトフ格子における最適混合
• Authors: I. Peshko, M. Antsukh, D. Novitsky, D. Mogilevtsev
• Abstract要約: システムスペクトルにおける例外点の存在は、混合時間を大幅に異なるスケーリングに繋がることが示される。 非対称なラドナー・レヴィトフ格子は任意の数の格子ノードに対する混合時間の対数スケーリングを保存することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Here we discuss optimization of mixing in finite linear and circular Rudner-Levitov lattices, i.e., Su-Schrieffer-Heeger lattices with a dissipative sublattice. We show that presence of exceptional points in the systems spectra can lead to drastically different scaling of the mixing time with the number of lattice nodes, varying from quadratic to the logarithmic one. When operating in the region between the maximal and minimal exceptional points, it is always possible to restore the logarithmic scaling by choosing the initial state of the chain. Moreover, for the same localized initial state and values of parameters, a longer lattice might mix much faster than the shorter one. Also we demonstrate that an asymmetric circular Rudner-Levitov lattice can preserve logarithmic scaling of the mixing time for an arbitrary large number of lattice nodes.
• Abstract（参考訳）: 本稿では,有限線形および円形ラドナー・レヴィトフ格子,すなわち散逸部分格子を持つsu-シュリーファー・ヘーガー格子における混合の最適化について論じる。 系スペクトルにおける例外的な点の存在は、二次から対数に異なる格子ノードの数と混合時間のスケーリングを著しく異なることが示されている。 最大例外点と最小例外点の間の領域で操作する場合、チェーンの初期状態を選択することで、常に対数スケーリングを復元することができる。 さらに、同じ局所化された初期状態とパラメータの値の場合、より長い格子は短い格子よりもはるかに高速に混合される。 また,非対称円形ラドナー・レヴィトフ格子は任意の数の格子ノードに対して混合時間の対数スケーリングを保てることを示した。

関連論文リスト

• A High Order Solver for Signature Kernels [5.899263357689845]
  署名カーネルは、時系列を分析するための機械学習アルゴリズムの中核にある。 本稿では,シグネチャカーネルの数値近似のための新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-01T23:09:52Z)
• Symmetric Mean-field Langevin Dynamics for Distributional Minimax Problems [78.96969465641024]
  平均場ランゲヴィンのダイナミクスを、対称で証明可能な収束した更新で、初めて確率分布に対する最小の最適化に拡張する。 また,時間と粒子の離散化機構について検討し,カオス結果の新たな均一時間伝播を証明した。
  論文  参考訳（メタデータ） (2023-12-02T13:01:29Z)
• Kernel Interpolation with Sparse Grids [25.167018679176838]
  本稿では,構造化カーネルアメニブル(SKI)フレームワークにおけるスパースグリッドの利用を提案する。 これらの格子は正確な代数を可能にするが、多くの点が次元でよりゆっくりと成長する。 精度を維持しつつ,SKIを高次元に拡張可能であることを示す。
  論文  参考訳（メタデータ） (2023-05-23T18:17:49Z)
• Quantum dynamics of coupled excitons and phonons in chain-like systems: tensor train approaches and higher-order propagators [0.0]
  連鎖型量子系における時間依存型シュル・オーディンガー方程式の解について検討する。 効率的な低ランクテンソルトレイン表現を用いて,メモリ消費と計算コストの削減を目指す。
  論文  参考訳（メタデータ） (2023-02-07T16:28:53Z)
• Nonconvex Stochastic Scaled-Gradient Descent and Generalized Eigenvector Problems [98.34292831923335]
  オンライン相関解析の問題から,emphStochastic Scaled-Gradient Descent (SSD)アルゴリズムを提案する。 我々はこれらのアイデアをオンライン相関解析に適用し、局所収束率を正規性に比例した最適な1時間スケールのアルゴリズムを初めて導いた。
  論文  参考訳（メタデータ） (2021-12-29T18:46:52Z)
• Scalable Optimal Transport in High Dimensions for Graph Distances, Embedding Alignment, and More [7.484063729015126]
  最適輸送のためのコスト行列の2つの効率的な対数線形時間近似を提案する。 これらの近似は、複雑な高次元空間に対してもよく機能するエントロピー規則化OTに対する一般的な対数線形時間アルゴリズムを可能にする。 グラフ距離回帰のために,グラフニューラルネットワーク(GNN)と拡張シンクホーンを組み合わせたグラフトランスポートネットワーク(GTN)を提案する。
  論文  参考訳（メタデータ） (2021-07-14T17:40:08Z)
• A Parallelizable Lattice Rescoring Strategy with Neural Language Models [62.20538383769179]
  自動音声認識のためのニューラルネットワークモデル(LM)を用いた効率的な格子相関のための後部格子拡張アルゴリズムを提案する。 スイッチボードデータセットにおける実験により,提案手法が同等の認識性能を得た。 PyTorchで訓練されたニューラル LM をKaldi との格子再構成に簡単に統合することで、並列再描画法により柔軟性が向上する。
  論文  参考訳（メタデータ） (2021-03-08T21:23:12Z)
• Short-Term Memory Optimization in Recurrent Neural Networks by Autoencoder-based Initialization [79.42778415729475]
  線形オートエンコーダを用いた列列の明示的暗記に基づく代替解を提案する。 このような事前学習が、長いシーケンスで難しい分類タスクを解くのにどのように役立つかを示す。 提案手法は, 長周期の復元誤差をはるかに小さくし, 微調整時の勾配伝播を良くすることを示す。
  論文  参考訳（メタデータ） (2020-11-05T14:57:16Z)
• Multipole Graph Neural Operator for Parametric Partial Differential Equations [57.90284928158383]
  物理系をシミュレーションするためのディープラーニングベースの手法を使用する際の大きな課題の1つは、物理ベースのデータの定式化である。 線形複雑度のみを用いて、あらゆる範囲の相互作用をキャプチャする、新しいマルチレベルグラフニューラルネットワークフレームワークを提案する。 実験により, 離散化不変解演算子をPDEに学習し, 線形時間で評価できることを確認した。
  論文  参考訳（メタデータ） (2020-06-16T21:56:22Z)
• Local Graph Clustering with Network Lasso [90.66817876491052]
  局所グラフクラスタリングのためのネットワークLasso法の統計的および計算的性質について検討する。 nLassoによって提供されるクラスタは、クラスタ境界とシードノードの間のネットワークフローを通じて、エレガントに特徴付けられる。
  論文  参考訳（メタデータ） (2020-04-25T17:52:05Z)
• The role of regularization in classification of high-dimensional noisy Gaussian mixture [36.279288150100875]
  雑音状態における2つのガウスの高次元混合を考える。 正規化凸分類器の一般化誤差を厳密に解析する。 ベイズ最適性能に到達できるような正規化の驚くべき効果について論じる。
  論文  参考訳（メタデータ） (2020-02-26T14:54:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。